论文部分内容阅读
模糊C均值（FCM）聚类是一种常用的聚类方法，在工业应用时，常因数据的强噪声和非线性导致聚类效果不够理想。提出了一种密度加权、核理论和可能性模糊C均值聚类（PFCM）相结合的聚类方法。该方法采用核函数，将数据映射到线性空间进行聚类分析，消除非线性影响；通过引入点密度概念，加快算法迭代，增强可分性，提高聚类准确率。将该聚类算法用于污水处理过程的故障检测，结果表明该方法不仅能解决非线性问题，而且能有效加快收敛速度。